#distributed-computing Dépôts
Découvrez 99 dépôts GitHub open source actifs associés à #distributed-computing, cumulant 277,188 étoiles au total (soit une moyenne de 2,799 étoiles par projet). Le projet en tête de ce thème est hpcaitech/ColossalAI, avec 41,421 étoiles.
99 dépôts au total
Hazelcast est une plateforme unifiée de données en temps réel combinant le traitement de flux avec un magasin de données rapide, permettant aux clients d'agir instantanément sur les données en mouvement pour des insights en temps réel.
Automatisez les flux de travail de code et de données avec des notebooks Elixir interactifs
Moteur de données haute performance pour les charges de travail d'IA et multimodales. Traitez des images, de l'audio, de la vidéo et des données structurées à n'importe quelle échelle.
Moteur Go sans connaissances fournies par l'humain, modélisé d'après l'article AlphaGo Zero.
Une bibliothèque PyTorch modulaire, axée sur les primitives et d'abord en Python pour l'apprentissage par renforcement.
Système distribué map/reduce rapide, efficace et scalable, exécution DAG, en mémoire ou sur disque, écrit en Go pur, s'exécute de manière autonome ou distribuée.
Remplacement drop-in d'Apache Spark écrit en Rust, unifiant le traitement par lots, le traitement en flux et les charges de travail IA intensives en calcul.
Libérer le traitement des données de la folie des scripts en fournissant un ensemble de blocs de traitement de pipeline personnalisables et indépendants de la plateforme.
zenoh unifie les données en mouvement, les données en cours d'utilisation, les données au repos et les calculs. Il mélange soigneusement le pub/sub traditionnel avec des stockages, des requêtes et des calculs géo-distribués, tout en conservant un niveau d'efficacité temporelle et spatiale bien supérieur à celui de toutes les piles traditionnelles.
Inférence LLM distribuée. Connectez les appareils domestiques en un cluster puissant pour accélérer l'inférence LLM. Plus d'appareils signifie une inférence plus rapide.
Une interface unifiée pour le calcul distribué. Fugue exécute du code SQL, Python, Pandas et Polars sur Spark, Dask et Ray sans aucune réécriture.
Tout sur l'apprentissage fédéré, y compris les articles de recherche, les livres, les codes, les didacticiels, les vidéos et au-delà
MooseFS Distributed Storage – Open Source, Petabyte, Tolérant aux Pannes, Haute Performance, Système de Fichiers Distribué en Réseau Scalable / Stockage Défini par Logiciel
Proto Actor - Acteurs distribués ultra-rapides pour Go, C# et Java/Kotlin
Interface de recherche basée sur Python pour l'optimisation de boîtes noires et d'hyperparamètres, basée sur le service interne Google Vizier.
:books: Infrastructure distribuée expliquée simplement, Linux et systèmes d'exploitation | Systèmes distribués | Calcul distribué | Bases de données | Réseaux | Virtualisation et orchestration | Big Data et cloud computing
ShinkaEvolve : Vers une évolution de programmes sans limite et efficace en échantillons 🧬
Implémentation de l'Apprentissage Efficace en Communication des Réseaux Profonds à partir de Données Décentralisées
La version actuelle, performante et de force industrielle de Holochain sur Rust.
Foire aux questions
Quel est le dépôt #distributed-computing le plus populaire sur GitHub ?
Le projet #distributed-computing open source le mieux classé sur GitHub est hpcaitech/ColossalAI, avec 41,421 étoiles. Rendre les grands modèles d'IA moins chers, plus rapides et plus accessibles
Quels langages de programmation sont les plus utilisés dans les dépôts #distributed-computing ?
Parmi les projets #distributed-computing les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Rust, Go, C.
Comment le classement des dépôts #distributed-computing est-il calculé ?
Nous suivons 99 dépôts open source actifs associés à #distributed-computing (500+ étoiles), totalisant 277,188 étoiles, avec une moyenne de 2,799 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.